ckqsars的博客

本文介绍了在CosmoEdge中将训练好的视觉模型部署到边缘设备的完整流程。要点包括：不同芯片（x86、Sophon、Rockchip）需要对应的模型格式（ONNX、bmodel、rknn）；部署前需准备模型输入输出契约及预处理参数；模型转换需针对目标芯片重新编译，并经过哈希校验与真机验证；最终在CosmoEdge中正确加载配置，确保推理结果准确。

本文梳理视觉算法在边缘设备落地的四大环节：跑模型、连设备、加逻辑、存结果，并介绍开源工程 cosmo-edge 如何通过可视化 Pipeline 覆盖这些环节，实现模型管理、设备接入、业务逻辑编排与结果存储。与 Frigate、Viseron 对比，CosmoEdge 更侧重通用可视化编排，对业务开发者更友好。

！！！在安装好pyqt5发现没法使用的时候，先尝试安装openGL，可以直接安装在本机使用apt 安装opengl如下sudo apt-get install build-essential libgl1-mesa-devsudo apt-get install freeglut3-devsudo apt-get install libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev使用pip安装如下 pip

查看pytorch的环境python -m torch.utils.collect_env

fatal error: hdf5.h:Makefile:588: recipe for target '.build_release/src/caffe/solvers/sgd_solver.o' failedmake: *** [.build_release/src/caffe/solvers/sgd_solver.o] Error 1参考(https://blog.youkuaiyun.com/...